CN102150129A - 实体业绩分析引擎 - Google Patents
实体业绩分析引擎 Download PDFInfo
- Publication number
- CN102150129A CN102150129A CN2009801357422A CN200980135742A CN102150129A CN 102150129 A CN102150129 A CN 102150129A CN 2009801357422 A CN2009801357422 A CN 2009801357422A CN 200980135742 A CN200980135742 A CN 200980135742A CN 102150129 A CN102150129 A CN 102150129A
- Authority
- CN
- China
- Prior art keywords
- entity
- achievement
- score
- information
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
公开了用于测量实体业绩以及预测其将来业绩的***和方法。从内部源和外部源收集关于实体的原始信息。净化该信息以排除假阳。利用业绩类别,信息被编组和变换为对业绩分析引擎而言有意义的数据。通过按照行业类型对有意义的数据进行缩放从而对该信息进行标准化。由业绩分析引擎基于经标准化的数据来计算业绩得分。此外,基于业绩得分和经标准化的数据来计算竞争关系得分。这些得分在显示实体业绩的用户接口中被报告,并被用作评估该实体的将来业绩的预测分析引擎的输入等。
Description
相关申请的交叉参考
本申请要求2008年8月4日提交的美国临时申请号61/086,153的权益,通过参考并入其全部内容。
技术领域
本公开总体上涉及收集关于实体的信息、评估和预测实体的业绩的过程,其中实体包括上市公司、非营利性社会企业、早期和晚期的“创业机构”以及整个生态***。
背景技术
在2007年,仅美国就将超过670亿的美元投入创业机构。目前,不存在可以在***上和分析上通知这些投资决策的可靠的定量工具。以下三个原因使得这种工具的开发较困难:不存在具有关于这些实体信息的详尽数据库;缺乏***地评价任何给定创业机构业绩的标准化方法,以及缺乏预测实体将来业绩的预测算法和模型。目前,不存在中央信息库用于汇聚关于实体访问财务、社会和人力资本、相关新闻和评论以及其创立者和贡献者的社交动态的事实。而且,缺乏***地计算和监控这些实体随时间流逝的业绩的跟踪工具。因此,确定影响实体业绩的因素在经验上和分析上到现在都是具有挑战的。不具有这些因素和输入,也就不可能开发出预测算法。
上述原因解释了为什么目前不存在用以定量评估任何给定实体(尤其是私有实体,例如创业机构)的风险和潜在回报的预测工具。类似地,缺乏允许基于相同的标准来对创业机构进行***化比较的通用标准化打分***。因此,难以开发出针对创业机构类型实体的标准化排名。目前,投资者基于有限的数据、手动地对这些创业机构进行比较以及执行风险分析。任何单个个体或组织可访问的信息容量(即,关于每个实体的数据深度和数据点的数量)在统计上并不相关。而且,单个个体或实体不能访问包含与跨世界上不同位置和行业的创业机构相对应的信息的大型数据集。
目前旨在解决有效汇聚供分析的信息这一问题的方案是资源密集的、零散的,并且在覆盖较大范围方面并不成功。诸如常规谨慎处理和决策制定准则之类的工具是由人从有限数量的采样点中提取的。因此,这种人类倾向导致了目前投资标准的存在,这些标准错误地关注于未在经验和统计上被证实为影响实体(诸如,早期创业机构)将来业绩的因素。总之,缺乏实体业绩的客观且通用的分析。
附图说明
所公开的实施方式具有将在详细描述、所附权利要求和附图(或图示)中更易明了的其他优势和特征。以下给出附图的简要说明。
图1示出了能够从机器可读介质读取指令并在处理器(或控制器)中执行这些指令的示例机器的组件的一个实施方式。
图2A呈现了示出跟踪实体随时间流逝的业绩、以构建实体的预测模型的过程概况的高层流程图。
图2B示出了业绩***机制的一个实施方式。
图3示出了用于创业机构预测器的数据流的一个实施方式。
图4示出了创业机构预测器内的分析引擎的数据流的一个实施方式。
图5示出了创业机构预测器内的社交网络分析引擎的数据流的一个实施方式。
图6示出了用于创业机构的简档信息截屏的一个实施方式。
图7示出了创业机构***应用截屏的一个实施方式。
图8示出了竞争格局图应用截屏的一个实施方式。
图9示出了实体和关于该实体的信息的高层框图的一个实施方式。
图10示出了两个实体之间链接形成的高层框图的一个实施方式。
图11描述了构建初始实体网络的方法的一个实施方式。
图12示出了初始实体网络的高层框图的一个实施方式。
图13示出了用于对初始实体网络进行排名和过滤的信息类型高层框图的一个实施方式。
图14示出了经净化的实体网络的高层框图的一个实施方式。
具体实施方式
附图和以下描述仅通过示意方式涉及优选实施方式。应当注意,根据下述讨论,此处公开的结构和方法的备选实施方式将容易被视为可以使用的可行备选,而不会脱离要求保护的原理。
现在详细参考若干实施方式,其示例在附图中给出。注意,可以在附图中的任何地方使用可行的类似或相同附图标记,并且这些附图标记可以指示类似或相同的功能。附图仅出于说明的目的给出了所公开***(或方法)的实施方式。本领域技术人员从下述描述将容易认识到,可以采用此处示出的结构和方法的备选实施方式,而不会脱离此处描述的原理。
配置概况
构建针对创业机构类型实体的预测模型的第一步骤是:创建通过标准打分***来计算这种实体的业绩的方法。一般而言,分析和评估实体的业绩涉及收集关于实体的数据、净化和过滤该数据、根据业绩类别来分析该数据,以及以有意义的方式报告分析的结果。如此处使用的,“实体”可以包括上市公司、非营利性社会企业、早期和晚期的“创业机构”以及整个生态***。贯穿说明书,实体可称为“创业机构”,但是本领域技术人员将认识到,上述其他实体可以使用类似方法进行分析以便跟踪其业绩。
用于评估实体(例如,早期创业机构)的业绩的配置包括三个部分:数据收集、数据净化和过滤和经净化数据的分析、以及报告结果。数据收集包括获取来自内部源和外部源的数据,其中内部源诸如是展示实体简档(profile)的社交网络平台,外部源包括主流媒体和社交媒体。还可收集其他信息,诸如实体的资金筹集、实体网站上的流量(或者,例如,小部件销售的等同流量)、行业特定信息(例如,递交专利的数量,管理机构顺应性)以及针对数据集的分析师修改。为了评估实体的业绩,必须对这一信息进行净化和过滤以消除假阳(可能影响实体业绩评估的不相关信息)。
一旦已经分析了净化数据,则以有意义的方式向用户报告结果。在一个实施方式中,用户还可以参照竞争格局图中的其他实体对该实体进行比较。示出了竞争实体及其关联(或链接)的网络的竞争格局图以从提及至少一个实体相对于另一实体的已获取媒体文章而导出的关系得分(或链接得分)为基础。通过将这一信息用作多个其他输入之一,预测模型计算***可以预测实体(诸如,早期创业机构)将来的成功,并且提供该实体在将来某个时间点的估计财产估价。
在一个实施方式中,用于测量实体业绩的方法包括:从内部源和外部源收集关于实体的原始信息。该信息被净化以排除假阳。利用业绩类别,将该信息编组并转换为对业绩分析引擎而言有意义的数据。这一信息通过按照行业类型对有意义数据进行缩放而被标准化。业绩得分由业绩分析引擎基于标准化的数据来计算。此外,竞争关系得分是基于业绩得分和标准化数据而计算的。这些得分在显示实体业绩的用户接口中被报告。
在另一实施方式中,用于测量实体业绩的***包括数据收集模块,其从内部源和外部源收集关于实体的原始信息。数据净化模块净化原始信息以排除假阳,并且数据编组模块配置用于将信息编组到业绩类别中。这些业绩类别可以是预先定义的,或者甚至是在收集新数据时动态创建的。得分是基于针对实体收集的信息为每个业绩类别而生成的。数据标准化模块用于根据实体的行业类型对业绩类别进行缩放。例如,生物技术行业可以对行业特定业绩类别(诸如通过FDA管理批准)施以较重权重。由此,数据标准化模块作为响应将按比例缩减其他得分。业绩模块基于标准化的信息来计算业绩得分。竞争关系模块基于业绩得分和标准化的信息来计算竞争关系得分。最后,由报告模块报告业绩得分和竞争关系得分。
通过以定量方式测量实体当前业绩的所有方面(或代表性的快照)(财务状况、团队鲁棒性、空间/区段中的定位、效率、流行度等),接收在一段时间内的实体业绩得分,以构建针对该实体的历史数据。由此,实体的统计上较大的数据库的纵向记录支持基于所标识的预测指示符模式对预测模型进行创建和持续修改。利用预测指示符,可以基于特定实体的当前构成、团队组成、在空间中的定位和整体业绩来预测该特定实体的将来业绩。在一个实施方式中,图表可以报告实体随着时间内的进展,并且报告实体的将来业绩。在另一实施方式中,若干实体的得分可以显示在利用得分的排名进行排序的索引中。
计算机器架构
图1示出了能够从机器可读介质读取指令并在处理器(或控制器)中执行这些指令的示例机器的组件的框图。具体地,图1示出了以计算机***100为示例性形式的机器的图解表示,在计算机***100中可以执行指令124(例如,软件),该指令124会使机器执行在此讨论的任何一个或多个方法。在备选实施方式中,机器作为单机设备进行操作,或者可以与其他机器连接(例如,联网)。在网络化部署中,机器可以按照服务器-客户端网络环境中的服务器机器或客户端机器的能力操作,或者作为端到端(或分布式)网络环境中的对等机器进行操作。
机器可以是服务器计算机、客户端计算机、个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、智能电话、web设备、网络路由器、交换机或桥,或者可以执行(顺序地或其他)指令124的任何机器,其中该指令124规定了机器所要采取的动作。进一步地,尽管仅示出了单个机器,但是术语“机器”应当包括单独或者联合执行指令124以执行在此讨论方法的任何一个或多个的任何机器集合。
示例性计算机***100包括处理器102(例如,中央处理单元(CPU)、图形处理单元(GPU)、数字信号处理器(DSP)、一个或多个专用集成电路(ASIC)、一个或多个射频集成电路(RFIC)或这些的任何组合)、主存储器104和静态存储器106,它们配置用于通过总线108彼此通信。计算机***100可以进一步包括图形显示单元110(例如,等离子显示面板(PDP)、液晶显示器(LCD)、投影仪或者阴极射线管(CRT))。计算机***100还可以包括数字字母输入设备112(例如,键盘)、光标控制设备114(例如,鼠标、跟踪球、游戏杆、运动传感器或其他指点装置)、存储单元116、信号生成设备118(例如,扬声器)和网络接口设备820,它们也配置用于经由总线108进行通信。
存储单元116包括机器可读介质122,在其上存储有指令124(例如,软件),其实现在此描述的任何一个或多个方法或功能。在由计算机***100执行期间,指令124(例如,软件)还可以完全或至少部分驻留在主存储器104中和/或处理器102中(例如,在处理器的缓存存储器中),其中主存储器104和处理器102还构成了机器可读介质。可以经由网络接口设备120、通过网络126传输或接收指令124(例如,软件)。
尽管在示例性实施方式中将机器可读介质122示为单个介质,但是术语“机器可读介质”应当包括能够存储指令(例如,指令124)的单个介质或者多个介质(例如,集中或分布式数据库,或相关联的缓存和服务器)。术语“机器可读介质”还可以用来包括能够存储指令(例如,指令124)的任何介质,这些指令由机器执行,并且使机器执行此处公开的任何一个或多个方法。术语“机器可读介质”包括但不限于固态存储器、光介质和磁介质形式的数据储存库。
实体配置的预测分析概况
图2A示出了通过标识关键初始条件以及通过跟踪实体随时间的业绩来构建实体的预测模型的过程的高层流程图。可以使用实体的先前知识来输入实体的初始得分200A。在一个实施方式中,实体的初始得分200A是0。在一个实施方式中,业绩***机制200B-E和计算预测得分200F的机制可以实现在服务器计算机上。机制200B-E可以实现为包括处理器(或处理单元)可执行的指令(或算法)的软件程序(或软件程序产品)。预测得分200F可以类似地实现为包括处理器(或处理单元)可执行的指令(或算法)的软件程序(或软件程序产品)。处理器可执行的指令对应于过程(或方法)。
业绩***200B-E将来自内部源和外部源的、关于实体的原始数据作为输入202。对原始数据进行净化204以排除假阳,或者基于净化标准从数据集移除假阳从而排除不相关原始数据。将净化数据编组到预先定义的或者预先编码的业绩类别中,由此分析206净化数据。继而,按照每个实体的行业类型,对经编组的数据进行标准化208,因为影响实体业绩的因素在不同行业中会变化。继而可以基于经标准化的数据来计算210业绩得分。另外,还可以基于相关实体的计算的业绩得分和标准化的数据来计算212针对实体的竞争关系得分。
图2A示出了业绩***200B-E的四个实例,但是对于本领域技术人员而言显然的是,随着时间流逝,更多的重复是可能的。在一个实施方式中,另一机制用于使用标识了业绩指示符模式的预测模型来计算预测的得分200F。
由业绩***200B-E跟踪的实体代表实际的公司:具有建筑物、有人在团队工作以产出影响现实世界经济的产品和服务的公司。关于这些实体的新闻报道包括关于在现实世界中发生的事件的信息。对这些新闻报道和其他业绩测量进行汇聚、分析,并将其变换为向业绩***200B-E的用户报告和显示的有意义的信息。以此方式,用户可以可视地跟踪多个实体的业绩,甚至可以参照竞争格局中的其他实体对经变换的信息进行比较。在一个实施方式中,经变换的信息显示在预测得分200F旁边。实体的将来业绩由此可以通过将预测得分200F图形化而变得可见。
数据收集配置
现在参考图2B,示出了业绩***机制200B-E的一个实施方式。在本实施方式中,业绩***包括用于计算针对创业机构的‘业绩得分’226的过程。
针对创业机构,从新闻、社交媒体和社交网站汇聚218关于该创业机构的外部数据214。社交媒体包括由个体共享的更富信息性的新闻源214,诸如TWITTER和DIGG。传统媒体可以包括诸如THE NEW YORK TIMES和NEWSWEEK的外部新闻源214。由过滤器220对这一信息执行内容分析,以确定其与‘业绩***’算法的相关性。从内部源216汇聚的专属信息使用加权等式224与外部爬取(crawl)的信息214耦合,实体的业绩得分226被计算并且存储在数据库222中。另外,还使用相同的内部数据216和外部数据214来计算竞争关系得分228。业绩得分226被馈送至过程,以作为在预测创业机构的潜在成功时被纳入考虑的变量之一。它也可以用作针对创业机构的独立得分,以评估其流行度水平和当前业绩。
业绩***200B-E配置用于收集来自大量的因特网源(包括内部216和外部214)的数据,以评估人群对该创业机构作何反应。每当在所监控的源之一中提及(‘评述’)该创业机构,则针对以下给出得分:(1)源的信任级别(由入站链接、现有信任度量(例如,TECHNORATI的‘授权’得分等)测量);(2)评论上下文的肯定程度(使用关键字、情感符等的分析);(3)该评论是在多久以前张贴的。此外,针对每个源进行不同加权(例如,DIGG上的评述与TWITTER上的评述进行不同加权)。通过向针对特定创业机构的评述的属性应用加权等式224以及组合从内部成功预测器平台收集的、描述用户对该创业机构作何反应的数据(例如,‘跟进’模式(注册以从该创业机构接收新闻源的用户正在‘跟进’该创业机构)、点击率、与该创业机构交互的用户的专业背景等),业绩***200B-E可以确定业绩得分226和竞争关系得分228,其中的每一个都在下文进一步描述。这些得分继而存储在数据库222中,供以有意义的方式向用户报告得分的应用使用。
图3示出了针对利用预测模型评估实体将来业绩的创业机构预测器的数据流的一个实施方式。具体地,其示出了数据收集方法302的概要和向预测过程馈送数据的图示。在收集数据302之后,对数据进行净化316和编组318。利用业绩分析引擎320,对关于特定实体的信息进行分析和索引编制322。
预测模型计算***使用收集关于实体的信息的各种方法。输入到创业机构预测器中的数据304对已标识为与实体的将来业绩有关的一系列问题做出响应。还可以从实体输入的简档信息306收集数据。如上所述,还可以从诸如ALEXA的因特网源挖掘308数据。还可以进行采访310以汇聚更多信息。与相关群组的策略伙伴关系(例如,学术合作伙伴、风险资本家(VC)和服务提供者(例如,会计师、顾问、律师等))也可以导致收集关于实体(诸如,早期创业机构)的更特定数据312。此外,业务计划竞争提供了关于这些实体的另一数据源314。
通过上述所有方式收集的数据302包括但不限于以下变量:之前由每个团队成员建立的公司的财产估价(在预定年限之后);每个团队成员的全职高等教育年限;每个团队成员在相关行业中全职工作的年限;在由每个团队成员建立的公司全职工作的年限;每个团队成员在该创业机构上花费的时间;该创业机构的财产估价目标(针对开始日期之后的预定年限);每个团队成员的完整企业家往绩;每个团队成员的完整工作历史;团队和每个团队成员的社交图;创业机构的业绩水平(根据因特网源),这是由业绩追踪器200B-E测量的;迄今为止资金筹集和财产估价随时间的改变;迄今为止的收入活动;以及行业。
净化和过滤数据配置
进一步描述图2中示出的数据过滤208。需要进行数据净化316,因为爬取器获取的媒体文章206可能包含不相关数据。例如,可能在媒体文章中提及了实体和其他更著名的实体,但是在现实生活中该实体与共同提及的著名实体并不相关。这可以描述为“噪音”,因为需要的数据(诸如,关于早期创业机构的信息)也包括潜在地降低数据库210中所存储信息价值的无关信息。此“噪音”也可以描述为“假阳”,因为无关数据可以增加与媒体文章并不相关的实体的业绩得分(诸如社交网络网站的用户在其博客上张贴文章)。在这种情况下,用作容纳文章的平台的社交网络网站实质上与该文章无关。由此,过滤器210可以配置用于消除这一情况对数据收集的影响。
可以通过对此“噪音”或这些“假阳”进行过滤来获得相关信息。在一个实施方式中,过滤器210可以包含某些关键字或修改器,其消除这些假阳。在另一实施方式中,一个媒体文章中的实体的长列表可能指示这些仅提到一次的实体可能是“噪音”,并且实质上与该文章中描述的实体不相关。在另一实施方式中,通过标识符(诸如该实体网站的唯一URL或该实体的名称)参照存储在数据库中的已知实体对实体进行认证。在其他实施方式中,频繁出现的某些名称也构成“噪音”,可以断然消除之。在其他实施方式中,某些短语(诸如“Digg”或“在myspace上查看我的图片”)可以降低比重,甚至可以断然从数据集中排除之。在另一实施方式中,从因特网源获取的文章可以利用其URL结构进行过滤以标识假阳,诸如URL字符串的“youtube/watch”。最后,手动标识和数据收集净化进一步净化数据集。利用这些各种净化方法,业绩***的净化模块净化316数据集,使得其关注于相关事物。
数据编组与实体业绩分析
数据编组318是取得原始数据并将其编组至可定量信息片段中的过程。出于设计选择,可以对数据进行排序并将其编组到预定义分类的层级中。以此方式,数据进行了“预编码”并准备好利用各种转换过程进行分析。转换过程将从外部源和内部源(诸如,主流新闻报道、博客条目、微博条目、社交网络分析、新资金筹备、新雇佣等)获取的数据混合物转换为预编码的数据类别,其可以由业绩***200B-E用来量化新闻事件对特定实体业绩的影响。
作为转换过程的示例,输入到创业机构简档中的信息可以包括团队成员在其中学习(以及在某些情况下毕业)的学院或大学。大学的名称可以基于该大学的排名是位于前5%(1)、25%(2)或低于25%(3)来简单编码为1、2和3。预编码的另一示例是针对创业机构所属的行业指派代码(例如,消费者因特网=101101,生物技术=161616)。这些代码中的每一个可以编组至层级中,并且当从各种源接收数据时可以施以各种权重。例如,主流媒体文章可以接收完整信用,而社会媒体文章仅可接收50%信用。
预编码数据可以利用其他方式成为分层级的。如图4更详细描述的,针对“任职者得分”(即,针对团队成员的中间得分)的计算是另一预编码步骤,因为针对个体获取的数据(诸如,其过去的教育经历、过去与其他团队成员的友谊、过去在创业机构中的业绩等)被聚合并转换为任职者得分。这一数据是分层级的,因为(如下所述)任职者得分继而馈送至影响得分,该影响得分继而馈送至团队得分。整体上,接收的关于实体的信息最终被转换为以下得分类别中的一个或多个:媒体得分(媒体提及(社交和主流))、流量、资金筹集(现金)和雇员数量。以下更深入讨论这些类别分数的分析和针对业绩得分的转换。
继续图3,然而,业绩分析引擎320和分析与索引322用于确定特定实体的业绩。在对接收的信息进行了过滤、净化和编组之后,可以通过向经过编组的数据应用算法来确定业绩得分。变量在过程中被逐步组合。参数和权重因行业而异。此外,与私人公司相比,针对上市公司的分析略有不同,因为可用的信息类型不同(例如,股票市场资本信息对于公开交易的公司是可用的,但是现金储备对于私人公司可能不可用)。然而,信息的类别针对所有实体类型保持相同:现金、流量、新闻、行业特定成分和分析师修改。
对于私人实体,从以下内容中导出现金得分:迄今为止筹集的总资金、该公司全职员工(或者等效全职雇员)的数量,以及估计的私人实体年度收入。对于上市公司,股票市场资本化被用作现金得分。
流量得分可以通过聚合获取自各种源的数据而被计算。实体的网站流量可以从第三方供应者,诸如,ALEXA、COMPETE和QUANTCAST,获得。其他网站流量数据可以包括去往CRUNCHBASE简档页面的流量,内部网站页面浏览量和跟进者,以及自然搜索推荐。如果实体不具有网站或者具有判断该实体生产率的其他工具(诸如,软件下载或应用使用的数量),则生成流量等价物以将这种数据转换为流量得分。此外,流量得分可以取决于实体的行业而被缩放(例如,针对网站的1000次浏览对于平台类型实体而言并不多,但是对于瞄准市场机会的创业机构实体而言却是很多的)。
还从各种源获取包括媒体文章的新闻,其被合并以计算针对特定实体的媒体得分。新闻源的范围从传统的主流媒体(诸如,THE NEW YORK TIMES和CNET)到社交媒体(诸如,博客、消息收发和社交网络网站)。在一个实施方式中,按新闻源的类型对媒体得分进行加权。在另一实施方式中,社交媒体文章接收的信用是给予主流媒体文章的一半。新闻成分继而基于新闻源、使用所获取新闻文章的加权平均进行组合。
由于新闻具有过期日期(这意味着,与较近的新闻相比,较老的新闻不是那么有价值),所以向每个媒体文章应用时间衰减因子。由此,每个新闻源利用对数转换为个体得分。这将在某个时间段(例如,40天窗口)上求平均,在该时间段期间,针对该特定文章的媒体得分将衰减。
行业特定信息也可以影响实体的业绩得分。例如,在生物技术行业中,已经将某些信息标识为高业绩实体的指示符:专利数量、临床试验的阶段和数量,以及FDA管理批准。其他行业特定信息可以包括主要事件(由分析师或其他机构标识的),清洁技术公司的认证以及SBIR授权(针对创新性研究提供的)。
分析师修改代表了针对实体业绩得分的另一输入。分析师可以基于所获取的关于特定实体的信息来提高最终得分。分析师还可以输入关键事件以给出较小的增量。此外,分析师可以编辑流量值或者修改实体的行业,以改变流量得分的缩放。在一个实施方式中,分析师是业绩***200B-E的自动代理。
在将获取的信息适当编组成流量、现金、新闻、行业特定和/或分析师修改之后,计算基线得分。基线得分代表在一段较长的时间标度的得分,并且并入团队得分(以下描述)。基线得分可以随时间较慢改变,而不期望其改变太快。首先,流量得分(T)和现金得分(C)使用特定公式结合(TC):
TC=T+C*[a1-(a2-b)T]/a3
其中a1、a2和a3代表可调节参数。可调节参数b是通过使用经验和历史数据计算的系数,用于优化作为结果的业绩得分与经验数据之间(即,公司的预测财产估价与其实际财产估价)的相关。参数由此是可调节的,以将作为良好业绩指示符接收的新信息纳入考虑。这一公式指示:流量得分形成得分的基础,并且现金得分可以在流量得分的基础上助推。示例参数为a1=0.75,a2=0,a3=1.3。随着流量从0开始增加并达到1.3,现金的贡献从0.75缩放至0。
接着,新闻(N)被引入基线得分:
TCN=b1*TFE+N*[b2-(b2-1-b1)TFE]/b3
其中,TFE是流量/现金筹集(上述TC),并且b1、b2、b3代表可调节参数。示例参数为b1=0.8,b2=0.4,b3=1.3。流量/现金筹集占据组合得分总数的0.8,并且随着流量/现金从0缩放到1.3,新闻可以增加0.4到0.2。
最终基线得分(SB)是通过添加行业特定信息以及添加分析师修改而计算得到的。
SB=c1*TFEN+c2*I+A
其中,TFEN是流量/资金筹集和新闻(上述TCN),并且c1和c2代表可调节参数。示例参数是c1=0.9,c2=0.1,使得针对流量/资金筹集/新闻成分对得分进行加权。
接着,创建变量得分,以便将最近获取的信息纳入考虑。变量得分包括使用较小时间段(例如,10天移动平均)的流量得分(Tv)、使用较短半衰期的新闻得分(Nv),以及使用雇佣信息(Hv)(使用从工作被发布之日起开始的半衰期衰减)。注意,半衰期函数可以由较平滑的曲线替换。其他变量得分成分包括内部网站上跟进者的数量(以及其他类型的社交图形信息)的改变。简单组合功能用于计算变量得分(Sv):
SV=d1*TV+d2*NV+d3*HV
其中,d1、d2和d3代表可调节参数。
最后,通过将基线得分和变量得分组合成加权平均来确定业绩得分。最终业绩得分的较大百分比(例如,85%)归于基线得分。业绩得分的剩余部分是变量得分。在一个实施方式中,业绩得分还包括团队得分(下述),其基于团队成员的过去历史、彼此之前的社交交互、友谊和针对团队获取的其他信息来测量团队的潜力。
业绩得分可以因行业而异。上述某些因素可以针对特定行业进行调整。流量得分可以针对不同行业进行重新缩放,以便反映不同部门的流量值。该重新缩放可以通过以下进行设计:根据不同部门中流量水平的分布来开发针对流量得分的新缩放比例,或者流量相关值的某些设计考虑。例如,流量对于软件公司而言更为重要,因为其可能导致销售;而消费者因特网流量不太重要,因为每次点击带来的利润较小。由此,可以相应地缩放流量得分。此外,可以按照行业来指定权重和参数值,并且可以根据行业类型来给予行业特定成分以较多或较少的权重。
应当注意,在一个实施方式中,业绩得分的范围不一定以100为限,但是大部分实体的业绩得分都在0-100点。得分的范围使用单调递增函数而与公司的财产估价相关。例如,得分为100点可能暗示X的财产估价(例如,2亿美元),而得分为20点暗示着小于X的财产估价(例如,100万美元)。
预测实体分析
图4示出了针对创业机构预测器内的分析引擎400的数据流的一个实施方式。这一分析可以在数学上基于例如线性、指数、δ函数或者修改的δ函数、高斯、对数常态率或指数定律。需要注意,图表提供了对数据执行的分析的采样,并且在适当的时候可以应用附加分析。在一个实施方式中,对预定数量的递归进行处理,以找到对创业机构的成功具有影响的变量的模式。对创业机构的数据进行分析,以标识该创业机构与成功的创业机构模式之间的匹配度。成功的模式是通过对收集的历史数据执行分析(即,模式识别)而标识的。模式的数量和类型可以随着收集到更多的数据而改变。通过将经验数据(例如,创业机构实际上发生了什么)与财产估价预测进行比较来对模型进行完善和迭代。需要注意,此递归分析可以与下文描述的社交网络分析一起使用。此外,可以利用除了财产估价之外的值(例如,“影响”)来表达将来的业绩测量。
如图4所示,使用指数和正切转译(除了其他算术公式以外)来组合众多因素,以确定团队中特定成员的“任职者得分”416。这些因素包括但不限于:在相关行业中的工作年限402、在之前建立的公司的工作年限404、之前建立公司的财产估价406、在高等学府中学习的年限408、年龄410和其他因素412。这种其他因素412可以包括CEO的起薪、针对执行管理团队成员的授予选项数量、是否有团队成员(以及哪个)从大学退学(并且,如果退学,从哪个大学退的)、获得的学位、过去的工资历史和针对录入实体简档信息时所提问题的其他响应。这种类型的信息可以视为“人力资本”信息。
利用该团队成员的小时贡献414对任职者得分416进行偏置,以生成影响得分418。针对每个团队成员计算数值在0-1之间的影响得分。最后,通过以下公式来计算数值在0-1之间的团队得分426:该公式结合所有团队成员的“影响得分”420和422以及其他考虑424。这种考虑424包括但不限于取决于团队成员的数量和该团队顾问的数量的变量。
继而将团队得分426和业绩得分226与其他因素和信息结合,其他因素和信息诸如财务因素428(即,该实体具有多少资金筹集)、团队的财产估价目标430和其他因素432。这种其他因素432可以包括行业发展、区域发展、URL长度发展和URL域发展。这些其他因素包括可随时间改变的可变设计特征。算法包括但不限于指数转译和指数转译的使用。可以将得分和因素馈送至输出“预测财产估价”434的此模型,该“预测财产估价”434针对将来给定的时标给出该创业机构以美元计的预测财产估价。在一个实施方式中,除了以美元计的预测财产估价以外,可以使用上述相同得分和因素来预测其他类型的影响,包括压力影响、社交影响、环境影响、市场渗透等。针对将来的这些业绩测量类型也可以使用上述因素和得分来预测。
社交分析
现在参考图5,示出了社交网络分析机制500的一个实施方式的高层框图。数据预编码502包括社交动态向联系类型和联系强度的转换504。此预编码信息继而存储在创业机构数据库506中。从创业机构数据库506开始,可以通过以下来执行社交网络分析516:计算针对团队成员和团队贡献者的网络系数508、相对于联系类型与创业机构成功的关联性来对联系类型进行加权510、确定网络结构和架构的特性512以及基于网络特性来执行仿真,即,确定成功的关键网络因素514。可以应用社交分析引擎518以汇聚和聚合社交网络信息(其通过上述功能进行过滤),以便在计算诸如将来的公司财产估价520、团队得分426、创业机构热门列表522和匹配推荐524等其他得分时作为因素被并入。
如上所述,用于实体(诸如,早期创业机构)的社交网络平台用来收集关于实体的数据,并提供工具以帮助该实体对自己进行编组、提供向投资者展示的机会,以及提供工具以预测该实体将来的财产估价。社交网络平台可以观察用户(诸如,跟进其他实体的)之间的交互,并且将这种行为转换为关于用户社交网络的有形信息。社交动态的这一转换504标识联系类型(用户之间的联络)和联系强度(作为可定量测量或数值的联络强度)。随着用户继续使用社交网络平台,对在平台上的行为进行记录,并且该行为强化(或弱化)联系强度。这些行为度量继而存储在创业机构数据库506中。
基于创业机构数据库506中的数据,可以计算508针对团队成员和团队贡献者的网络系数。网络系数的分析可以指示:团队成员和团队贡献者之间的某些联系应给予与创业机构成功有关的较大权重510。此外,成功实体及其团队成员的特性可以被确定512,以便对网络特性进行仿真以确定针对成功的关键网络因素514。社交分析引擎518继而可以采纳这些指示符,并将其应用于实体,以便确定该社交网络分析将如何影响其他得分:在计算公司将来财产估价520时作为因素,在确定实体的团队得分426时作为另一因素,在对创业机构热点列表522进行排名时用作度量,以及在做出匹配推荐524时用作指示符。以此方式,特定实体的社交网络分析增强实体业绩的不同方面。
实体业绩分析的应用
图6-图7描述了包括目前的和将来的实体业绩分析应用的实施方式。在图6中,示出了实体简档600的截屏。简档600包括针对所收集数据的访问和数据的分析,如上所述。基础简档信息602描述了针对实体的关键事实,同时还显示了业绩得分的图表604。此外,显示相关实体606,以向用户给出实体竞争格局的感觉。显示来自主流媒体608的新闻文章和社交媒体文章610。用户可以使用选项卡612或搜索栏614来导航网站。
图6在一个屏幕简档600上给出了对于很多类型的用户而言有用的各种数据类型。基础简档信息602使得用户能够快速理解实体的业务计划,而业绩得分图表604描述了实体向业务计划的进展。此外,用户可以在相关实体606处快速扫视以找到竞争的感觉。最后,主流媒体608和社交媒体610中的最近新闻文章使得用户能够快速了解实体目前的业绩。如果用户想要找到或浏览其他实体,则导航选项卡612和搜索栏614提供了去往其他实体的便捷访问。
图7示出了应用的截屏,该应用将若干实体聚合到一个屏幕700上,其根据一个实施方式称为创业机构***。业绩得分图表的较小版本702针对被跟进的实体而被显示。另外,得分和得分的改变显示在图表702旁边。由于创业机构***700是针对资产组合管理设计的,所以生成单独的资产组合业绩图表704。用户可能希望查看不同时间框上的趋势,并且可以在各种时间框706中进行选择。可以使用创业机构***700对多个资产组合进行管理。为了从一个资产组合导航至另一资产组合,用户可以从菜单708选择要观看哪个资产组合。最后,创业机构***700还向用户提供最近新闻文章710,其给出投资组合内的实体的特征。由此,用户可以快速浏览关于投资组合内实体的业绩(或弱势业绩)的最近新闻。
竞争格局图
图8中示出了根据一个实施方式的竞争格局。在竞争格局图802中,节点804代表实体,节点的尺寸受节点的业绩得分影响但不由其单独确定。两个节点之间的连接806代表节点之间的关系得分。如下文更详细描述的,由类似于生成业绩得分的过程来生成关系得分,只是关系得分将涉及至少两个实体。由此,当媒体文章在同一文章中共同提到了两个实体的情况下,可以形成两个实体之间的关系。在示出了行业(诸如图8中的休闲/社交游戏行业)的竞争格局图中,不同的颜色可以属于行业内的不同角色808。还可以将在竞争格局图802中描绘的实体的业绩得分810和实体的名称以及URL一起显示。
图8描述了针对全部行业的竞争格局图的截屏。在其他实施方式中,可以针对相同相对大小(例如,业绩得分)的节点生成竞争格局图。此外,节点之间的连接具有不同的厚度和方向性。连接描述的厚度随着连接强度的增加而增加。同样地,连接的方向性或相互性(单向与双向)影响竞争关系得分。如果一个公司与另一公司的相关性较强(例如,公司A对公司B的关注“胜于”公司B对公司A的关注),则朝着第二个公司的方向(A->B)更强烈。公司A可能对公司B的关注“更多”,因为每当在一个文章中提及公司B时可能在该文章中提到公司A,但是,在提及公司A时并不总是提及公司B。
例如,假设公司A是良好建立的晚期创业机构。公司B可能是寻求利用公司A的产品供应所提供的功能来建立新产品和/或服务的早期创业机构。在此方面,公司A对公司B的关注“胜于”公司B对公司A的关注,因为新产品和/或服务完全依赖于公司A。作为对比,公司A实际上并不在意公司B的成功。由此,连接的方向性将是从A到B,并且该连接将归因于连接的强度变得相当粗(即,公司B更依赖于公司A)。以此方式,尽管公司B完全依赖于公司A,但是这种依赖在确定连接方向性时并不是必须的。“共同提及”的数量(即,在同一文章中描述两个实体的文章数量)对于连接的方向性是决定性的。
转到图9-图14,根据一个实施方式,在各阶段中进一步描述了确定两个实体之间的关系得分的过程。图9描述了节点902,即公司A,及其特性904。这些特性包括新闻报道、标签信息、业绩得分和行业分类器。如上所述,节点代表实体。新闻报道可以包括主流媒体报道和社交媒体报道,如博客和twitter。可以利用描述实体的元数据给该实体“加标签”,例如,“社交网络”、“平台”、“社交游戏”、“好友”等可以是用于各种社交网站的标签。在一个实施方式中,可以使用有限数目的标签(例如,30个)。在上文已经描述了业绩得分,并且该业绩得分可以随着接收到关于该实体的新闻报道而经常改变。节点902还包括行业分类器,其指示实体在其中运作的行业类型,诸如,生物技术、软件开发或消费者互联网。
在图10中,高层框图描述了如何在两个节点之间形成链接或连接。在第一图示中,当文章共同提及公司A和公司B时,节点902与节点1002(代表公司B)形成链接1008。这种链接形成方法可以描述为媒体共同提及1004。共同提及的所有数量之和确定了关系的强度或者关系得分(也称为链接得分)。
在第二图示中,在一个实施方式中,节点902因与节点1002共享行业特定标签而与之形成链接1008。这种链接形成方法可以描述为共享标签1006。如上所述,标签是针对特定实体的元数据。标签的特异性是变化的;诸如“web 2.0”的标签比“微处理器设计”更具一般性。在一个实施方式中,共享标签链接形成方法1006由此可以按行业进行分类。不考虑链接1008如何形成,在两个实体之间生成关系得分或链接得分。链接得分的计算在下文进一步描述。
图11示出了根据一个实施方式的构建竞争实体的初始网络的一系列步骤。收集1102提及公司的新闻文章。参照公司的已有数据库对文章中的名称进行匹配1104。从新闻文章中移除1106假阳。生成1108共同提及矩阵,并将其集中于单个公司A(或多个公司)。收集1110针对每个公司的标签信息,并继而将其与共同提及信息结合1112,以构建针对公司A的初始关系网络。
参照公司的已有数据库对收集的新闻文章1102中提及的公司名称进行匹配1104的好处在于:将新闻文章过滤为仅包含提及已知实体或公司的那些文章。在一个实施方式中,可以基于针对至少一个已知实体提及未知实体的至少一个文章来在已有数据库中创建新节点或实体。在另一实施方式中,当接收具有未知实体共同提及的阈值数量文章时,创建新节点。
还通过在对业绩***所使用的媒体流进行净化/过滤时已在上文描述的方法,从新闻文章中移除1106假阳。另外,诸如标签信息或其他标准的修改器可以用于消除假阳。例如,社交网络网站的用户可能在其博客上张贴清洁技术创业机构公司的链接。社交网络网站和清洁技术创业机构公司的共同提及是假阳,因为在此示例中,社交网络网站仅是发布文章的工具。修改器可以专门排除这种情况发生,或者诸如“清洁技术”的标签可能已经消除了作为共同提及新闻文章的该文章,因为社交网络网站可能不会将“清洁技术”作为标签。
可以生成1106共同提及矩阵,并且将其集中于单个实体,如图11所示。生成的共同提及矩阵将返回在接收的新闻文章中、单个实体与其他实体中每一个之间共同提及的数量。例如,如果公司A是围绕其生成共同提及矩阵的单个实体,则将其他实体与公司A一起提及的所有新闻文章(在移除了假阳之后)将针对每个其他实体进行计数。
收集1110针对共同提及矩阵中每个公司的标签信息,并继而将其与共同提及信息相结合1112,以针对共同提及矩阵中标识的每个公司计算关系得分或链接得分。标签信息可以包括关于两个实体是否共享标签的信息,如上所述。与共同提及两个实体的众多文章组合的这一标签信息将被组合以确定高关系得分,这是示例。
图12描绘了根据一个实施方式的竞争实体的初始网络1200。节点902是针对其生成共同提及矩阵的单个实体。由节点1202-1216表示的公司B-I以某种方式与公司A相关。然而,随着相关公司数目的增加,这一信息的价值越来越小,因为强相关公司(即,主要竞争者)淹没在人群中。
链接相关性和连接的排名
图13描述了示出根据一个实施方式的用于对竞争实体的初始网络进行排名和过滤的信息类型的高层框图。在最左边,节点902被示出为与节点1202代表的公司B具有链接。基于对多个因素进行加权的公式来生成链接得分1302。这些因素包括共同提及文章的总数量1306、每个源的权限1308、新闻相似性1304、节点尺寸1316、标签的唯一性1312、标签云相似性1314、标签得分1310和链接的相互性(或单向性)特点1318。使用加权公式来组合这些因素,以确定两个实体之间的链接得分1302。
由于竞争格局图醒目显示了竞争实体之间相对强的链接,因此链接得分1302用作利用排名和总链接得分过滤竞争实体1320的阈值。如果链接得分1302(如上所述利用因素计算的)达到或超过绝对链接得分1320,则将在竞争格局图上显示链接得分1302并将其包括在净化网络1324中。由此,向竞争实体的初始网络中的每个实体应用是否保持链接1322的问题。由此,产生经净化的网络1324。
图14示出了一个实施方式中的竞争实体的净化网络1400。代表公司A的节点902仅链接至4个节点而不是图12的初始网络中的8个节点。除了其他因素外,链接1402-1408基于排名、节点尺寸、标签相似性和相互性关系而存在。由此,公司A的竞争格局图将仅示出代表公司B、D、E和G的节点1202、1206、1208和1212。
其他配置考虑
公共信息不广泛可用的其他实体可以受益于此处描述的原理和过程。例如,政府(地区、州、国家)可以确定其投资在支持其公众的业务中的经济影响。利用类似于上述模型的业绩***机制,政府乃至个人都可以收集来自各种源的关于其投资的数据,并跟踪这些业务的业绩,因其与该团体感受到的特定经济影响有关。此外,那些业务的将来业绩也可以进行预测,由此支持政府更有效地管理其投资。可以应用类似的打分***,以测量整个生态***或簇的效率、业绩和状况。
接收投资的、但针对其的公共信息并未广泛传播的另一种实体是非营利性公司和社会企业。慈善基金、个人或热心社会的风险资本可能想要在该非盈利所服务的人的数量、公众(地区、州、国家)因该非盈利工作感受到的影响、公众针对特定非盈利工作的感觉以及其他类型的业绩测量方面跟踪非盈利的业绩。慈善基金可以使用这一信息和从业绩跟踪数据导出的应用来做出慈善授予决定。点对点捐赠可由想要帮助在公众中具有影响力的非盈利和其他个体使用。此外,慈善基金可以基于预测的非盈利将来业绩来选择利用最佳预测将来业绩向非盈利注入资金。另外,可以以类似方式将赠与寻求者与基金会“匹配”,在该方式中,天使投资者和VC可以如上所述与社交网络平台中的早期创业机构“匹配”。
此外,寻找具有企业家精神的人的招聘公司可以利用由上述业绩***机制收集并编组的信息。这种关于人的信息并不是广泛可用的,并且其对于致力于联系到这些人的招聘公司而言是有用的。在某种意义上,“抓住创业机构缺陷”的人是针对其的公共信息不广泛可用的实体。在一个实施方式中,可以使用从数据点的较大数据库汇聚的预测指示符、基于某人的当前业绩来预测某人的将来业绩。以此方式,招聘公司可以有选择地选出具有最高预测将来业绩的佼佼者。
在这些附加配置的每一个中,存在针对实体搜寻的数据,但是该数据并不公开可得,而且并没有标准化为可定量的数据。上述方法和机制收集关于这些实体的数据、对数据进行净化和标准化,以及以使数据有意义的方式来报告数据。而且,在时间上计算的业绩数据可以针对预测指示符的模式进行分析。这些预测指示符可以用于预测实体(包括上市公司、非盈利社会公司、早期和晚期“创业机构”和整个生态***)的将来业绩。
贯穿本说明书,多个实例可以实现描述为单个实例的组件、操作或结构。尽管将一个或多个方法的个体操作示出并描述为单独操作,但是一个或多个个体操作可以并发执行,并且不要求操作按照示出的顺序执行。在示例性配置中作为单独组件呈现的结构和功能可以实现为组合结构或组件。类似地,作为单个组件呈现的结构和功能可以实现为单独组件。这些和其他变体、修改、添加和改进均落入此处主题的范围内。
在此将某些实施方式描述为包括逻辑或多个组件、模块或机制。模块可以由软件模块(例如,编码在机器可读介质或传输信号中的代码)或硬件模块构成。硬件模块是能够执行某些操作的有形单元,并且可以以特定方式进行配置或布置。在示例性实施方式中,一个或多个计算机***(例如,单机客户端或服务器计算机***)或者计算机***的一个或多个硬件模块(例如,处理器或处理器群组)可以由软件(例如,应用或应用部分)配置为操作以执行此处所描述有些操作的硬件模块。
在各种实施方式中,硬件模块可以在机械上或电学上实现。例如,硬件模块可以包括被永久配置(例如,作为专用处理器,诸如现场可编程门阵列(FPGA)或专用集成电路(ASIC))以执行某些操作的专用电路或逻辑。硬件模块还可以包括由软件临时配置以执行某些操作的可编程逻辑或电路(例如,包含在专用处理器或其他可编程处理器内)。应当理解,针对是以专用且永久性配置电路中于机械上实现硬件模块还是以临时配置电路(例如,利用软件)实现硬件模块可以受到成本和时间考虑的驱动。
因此,术语“硬件模块”应当理解为包含有形实体,是物理上构建的永久性配置(例如,硬连线)实体,或者临时配置(例如,编程的)以便按照某个方式进行操作的实体,以便执行此处描述的某些操作。此处使用的“硬件实现的模块”涉及硬件模块。考虑硬件模块是临时配置(例如,编程的)的实施方式,每个硬件模块不需要在任何一个时刻进行配置或实例化。例如,当硬件模块包括使用软件配置的通用处理器的情况下,通用处理器可以在不同时间配置为相应的不同硬件模块。软件可以相应地配置处理器例如以在一个时刻构成特定硬件模块,而在另一不同时刻构成不同的硬件模块。
硬件模块可以与其他模块收发信息。因此,所描述的硬件模块可以被视为可通信地耦合。在同时存在多个这种硬件模块的情况下,可以通过连接硬件模块的信号传输(例如,通过适当电路和总线)来实现通信。在多个硬件模块在不同时间配置或实例化的实施方式中,这种硬件模块之间的通信可以例如通过多个硬件模块具有访问权的存储器结构中的信息的存储和获取来实现。例如,一个硬件模块可以执行操作并且将该操作的输出存储在其与之可通信耦合的存储器器件中。另一个硬件模块继而可以在稍后的时间访问该存储器器件以便获取并处理存储的输出。硬件模块也可以发起与输入或输出设备的通信,并且可以在资源(例如,信息集合)上进行操作。
此处描述的示例性方法的各种操作可以至少部分由临时配置(例如,利用软件)或永久配置以执行相关操作的一个或多个处理器执行。无论是临时配置还是永久配置,这种处理器可以构成操作以执行一个或多个操作或功能的处理器实现模块。此处涉及的模块在某些示例性实施方式中可以包括处理器实现的模块。
类似地,此处描述的方法可以至少部分由处理器实现。例如,方法操作的至少一些可以由一个或多个处理器或者处理器实现的硬件模块执行。某些操作的性能可以分布在一个或多个处理器之间,不仅驻留在单个机器中,而是部署在多个机器上。在某些示例性实施方式中,一个或多个处理器可以位于单个位置(例如,位于家庭环境中、办公室环境中或者作为服务器农场),而在其他实施方式中,处理器可以分布在多个位置中。
一个或多个处理器也可以操作以支持相关操作在“云计算”环境中或作为“作为服务的软件”(SaaS)的性能。例如,至少某些操作可以由计算机群组(作为包括处理器的机器示例)执行,这些操作经由网络(例如,因特网)或经由一个或多个适当接口(例如,专用编程接口(API))可访问。
某些操作的性能可以分布在一个或多个处理器中,不仅驻留在单个机器中,而是部署在多个机器中。在某些示例性实施方式中,一个或多个处理器或者处理器实现的模块可以位于单个地理位置中(例如,位于家庭环境中、办公室环境中或者服务器农场中)。在其他示例性实施方式中,一个或多个处理器或者处理器实现的模块可以分布在多个地理位置中。
本说明书的某些部分是按照作为机器存储器(例如,计算机存储器)内的位或二进制数字信号存储的数据上的操作的算法或符号表示给出的。这些算法或符号表示是数据处理领域技术人员用于将其工作的实质内容传递给该领域的其他技术人员的方式。此处的“算法”通常视为是产生所期望结果的自洽的操作(或类似处理)序列。在此上下文中,算法和操作涉及对物理量的物理操纵。通常但非必需地,这些量可以采用能够由机器存储、访问、传输、组合、比较或以其他方式操纵的电、磁或光信号的形式。有时,主要出于通用的原因,将使用诸如“数据”、“内容”、“位”、“值”、“元素”、“符号”、“字符”、“项”、“数字”、“数码”等来表示这种信号。然而,这些词汇仅是用于这些物理量的方便标记,并且将与适当的物理量相关联。
除非特别说明,否则使用术语诸如“处理”、“计算”、“推算”、“确定”、“呈现”或“显示”等的此处讨论可以表示机器(例如,计算机)操纵或传输表示为一个或多个存储器(例如,易失性存储器、非易失性存储器或其组合)、寄存器或接收、存储、传输或显示信息的其他机器部件内的物理量(例如,电、磁或光)所表示的数据的动作或过程。
此处使用的对“一个实施方式”或“一实施方式”的任何参考意味着结合实施方式描述的特定元素、特征、结构或特性包括在至少一个实施方式中。短语“在一个实施方式中”在说明书中各处出现并不必须表示相同的实施方式。
可以使用“耦合”和“连接”及其派生物来描述某些实施方式。例如,可以这样描述某些实施方式,其中使用术语“连接”来指示两个或更多元件彼此之间具有直接的物理或电接触。在另一示例中,可以这样描述某些实施方式,其中使用术语“耦合”来指示两个或更多元件彼此之间具有直接的物理或电接触。然而,术语“耦合”还可以意味着两个或更多元件彼此之间并不具有直接接触,但仍可以彼此互操作或交互。实施方式在此上下文中不受限制。
此处使用的术语“包括”、“包含”、“囊括”、“含有”、“具有”、“有”或其任何其他变体意在覆盖非排他性包括。例如,包括元件列表的过程、方法、产品或装置并不仅限于那些元件,而是可以包括未在这种过程、方法、产品或装置中显式列出或其固有的其他元件。此外,除非明确给出相反指示,否则“或”表示包含性而非排他性。例如,在下述任一情况下,条件A或B得到满足:A是真(或存在)且B是假(或不存在),A是假(或不存在)且B是真(或存在),以及A和B都是真(或存在)。
另外,“一”或“一个”的使用意在描述此处实施方式的元件和组件。这样做仅是为了方便性,以及给出本发明的整体感觉。阅读本说明书时,其应当包括一个或至少一个,并且单数包括多数的情况,除非明显的有相反含义。
在阅读本公开之后,本领域技术人员将理解到通过此处公开的原理、针对测量实体(尤其是针对其的信息并不广泛可得的实体)业绩的***或过程的附加备选结构和功能设计。由此,尽管已经示出和描述特定实施方式和应用,但是应当理解,所公开的实施方式并不限于此处公开的精确结构和组件。可以在此处公开的方法和装置的布置、操作和细节中做出对于本领域技术人员而言显然的各种修改、改变和变化,而不脱离所附权利要求中定义的精神和范围。
Claims (12)
1.一种用于测量实体业绩的方法,所述方法包括:
输入来自内部源和外部源的、关于所述实体的原始信息;
净化所述原始信息以排除假阳;
通过生成针对每个业绩类别的得分,将经净化的信息编组至业绩类别;
通过按照所述实体的行业类型对所述生成的业绩类别得分进行缩放而对经编组的信息进行标准化;
基于经标准化的信息来计算业绩得分;
基于所述经标准化的信息和所述业绩得分来计算竞争关系得分;以及
报告所述业绩得分和所述竞争关系得分以供显示。
2.如权利要求1的方法,其中输入关于所述实体的原始信息进一步包括:将来自所述内部源的社交动态信息聚合为针对团队成员和贡献者的联系类型和联系强度,并且其中编组所述经净化的信息进一步包括:
计算针对所述团队成员和贡献者的网络系数;
对所述团队成员与贡献者之间的所述联系类型进行加权;以及
基于计算出的网络系数和经过加权的联系类型来生成社交动态得分。
3.如权利要求1的方法,其中将所述经净化的信息编组至业绩类别进一步包括:
将所述业绩类别定义为预编码数据的层级;以及
对于每个业绩类别:
将所述经净化的信息转换为所述预编码数据;以及
聚合所述层级中的所述预编码数据,以生成所述业绩类别得分。
4.一种用于测量实体业绩的***,所述***包括:
数据收集模块,用于输入来自内部源和外部源的、关于所述实体的原始信息;
数据净化模块,用于净化所述原始信息以排除假阳;
数据编组模块,用于通过生成针对每个业绩类别的得分将经净化的信息编组至业绩类别;
数据标准化模块,用于通过按照所述实体的行业类型对所述生成的业绩类别得分进行缩放而对经编组的信息进行标准化;
业绩模块,用于基于经标准化的信息来计算业绩得分;
竞争关系模块,用于基于所述经标准化的信息和所述业绩得分来计算竞争关系得分;以及
报告模块,用于报告所述业绩得分和所述竞争关系得分以供显示。
5.如权利要求4的***,其中所述数据收集模块进一步配置用于:将来自所述内部源的社交动态信息聚合为针对团队成员和贡献者的联系类型和联系强度,并且其中所述数据编组模块进一步配置用于:
计算针对所述团队成员和贡献者的网络系数;
对所述团队成员与贡献者之间的所述联系类型进行加权;以及
基于计算出的网络系数和经过加权的联系类型来生成社交动态得分。
6.如权利要求4的***,其中所述数据编组模块进一步配置用于:
将所述业绩类别定义为预编码数据的层级;以及
对于每个业绩类别:
将所述经净化的信息转换为所述预编码数据;以及
聚合所述层级中的所述预编码数据,以生成所述业绩类别得分。
7.一种配置用于存储指令的计算机可读介质,当由处理器执行所述指令时会引起所述处理器:
输入来自内部源和外部源的、关于所述实体的原始信息;
净化所述原始信息以排除假阳;
通过生成针对每个业绩类别的得分,将经净化的信息编组至业绩类别;
通过按照所述实体的行业类型对所述生成的业绩类别得分进行缩放而对经编组的信息进行标准化;
基于经标准化的信息来计算业绩得分;
基于所述经标准化的信息和所述业绩得分来计算竞争关系得分;以及
报告所述业绩得分和所述竞争关系得分以供显示。
8.如权利要求7的计算机可读介质,进一步包括用于引起所述处理器执行以下操作的指令:
将来自所述内部源的社交动态信息聚合为针对团队成员和贡献者的联系类型和联系强度,计算针对所述团队成员和贡献者的网络系数,对所述团队成员与贡献者之间的所述联系类型进行加权,以及基于计算出的网络系数和经过加权的联系类型来生成社交动态得分。
9.如权利要求7的计算机可读介质,进一步包括用于引起所述处理器执行以下操作的指令:
将所述业绩类别定义为预编码数据的层级,以及针对每个业绩类别:将所述经净化的信息转换为所述预编码数据,以及聚合所述层级中的所述预编码数据,以生成所述业绩类别得分。
10.一种用于确定行业中的实体的竞争格局的方法,所述方法包括:
利用元数据为已知实体加标签;
接收关于所述行业中的执行实体的媒体流;
参照所述已知实体认证所述执行实体;
过滤接收的媒体流以消除假阳;
通过对所述接收的媒体流和关于所述执行实体的元数据进行打分来分析所述执行实体;
基于对所述执行实体的所述分析来确定关系得分;以及
基于所述关系得分,报告针对所述执行实体的竞争格局图。
11.一种用于对行业中的竞争实体进行关联的方法,所述方法包括:
获取针对竞争实体的媒体文章;
参照包括元数据的已知实体来认证所述竞争实体;
根据经认证的实体生成关联的竞争者的候选集合,至少两个竞争者之间的关联是响应于提及所述竞争者的已接收媒体文章而创建的;
通过聚合所述关联的竞争者的元数据,来加强所述关联的竞争者的候选集合中的关联。
12.一种用于预测实体将来业绩的方法,所述方法包括:
接收一个时间段内关于实体的信息;
测量所述时间段内所述实体的业绩得分;
从确定的业绩得分中标识预测指示符;
接收特定实体的当前业绩;
使用所述预测指示符来分析所述特定实体的当前业绩;
预测所述特定实体的将来业绩;
报告所述特定实体的所述将来业绩。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US8615308P | 2008-08-04 | 2008-08-04 | |
US61/086,153 | 2008-08-04 | ||
PCT/US2009/052747 WO2010017229A1 (en) | 2008-08-04 | 2009-08-04 | Entity performance analysis engines |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102150129A true CN102150129A (zh) | 2011-08-10 |
Family
ID=41609334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009801357422A Pending CN102150129A (zh) | 2008-08-04 | 2009-08-04 | 实体业绩分析引擎 |
Country Status (7)
Country | Link |
---|---|
US (2) | US8554709B2 (zh) |
EP (1) | EP2329357A4 (zh) |
JP (1) | JP2011530138A (zh) |
KR (1) | KR20110056502A (zh) |
CN (1) | CN102150129A (zh) |
BR (1) | BRPI0917246A2 (zh) |
WO (1) | WO2010017229A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714114A (zh) * | 2012-10-05 | 2014-04-09 | 成功要素股份有限公司 | 自然语言度量条件警告编排 |
CN104376406A (zh) * | 2014-11-05 | 2015-02-25 | 上海计算机软件技术开发中心 | 一种基于大数据的企业创新资源管理与分析***和方法 |
CN104704490A (zh) * | 2012-08-01 | 2015-06-10 | 诺夫尔公司 | 处理关于互联网网站平台连接的数据的方法 |
CN106940723A (zh) * | 2017-03-16 | 2017-07-11 | 北京搜狐新媒体信息技术有限公司 | 一种新闻搜索方法及装置 |
CN110770768A (zh) * | 2017-11-07 | 2020-02-07 | 江山 | 生成绩效排名数据集的计算机实现的方法、***、计算机程序和数据载体 |
CN113706185A (zh) * | 2011-11-30 | 2021-11-26 | 金融及风险组织有限公司 | 基于新闻和情绪分析来预测市场行为的方法和*** |
Families Citing this family (225)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8930331B2 (en) | 2007-02-21 | 2015-01-06 | Palantir Technologies | Providing unique views of data based on changes or rules |
US9326099B2 (en) | 2008-02-11 | 2016-04-26 | Popular Metrics, Inc. | System and method for determining audience characteristics of a music concert based on mobile phone tracking and mobile data transmissions |
US9122749B2 (en) * | 2009-02-04 | 2015-09-01 | Popular Metrics, Inc. | Internet based system and method for wagering on an artist |
US9323836B2 (en) | 2008-02-11 | 2016-04-26 | Popular Metrics, Inc. | Internet based method and system for ranking artists using a popularity profile |
US9348499B2 (en) | 2008-09-15 | 2016-05-24 | Palantir Technologies, Inc. | Sharing objects that rely on local resources with outside servers |
US10318603B2 (en) * | 2008-12-04 | 2019-06-11 | International Business Machines Corporation | Reciprocal tags in social tagging |
US8464162B2 (en) * | 2009-09-17 | 2013-06-11 | Thomas Zuber | System and method of ranking and searching for professional profiles |
US8965967B2 (en) * | 2009-12-23 | 2015-02-24 | The Board Of Trustees Of The University Of Illinois | Tie strength prediction and social media filtration |
US20110258256A1 (en) * | 2010-04-14 | 2011-10-20 | Bernardo Huberman | Predicting future outcomes |
US20120089429A1 (en) * | 2010-05-13 | 2012-04-12 | Accenture Global Services Limited. | Systems and methods for gathering and analyzing social media data |
US8626750B2 (en) | 2011-01-28 | 2014-01-07 | Bitvore Corp. | Method and apparatus for 3D display and analysis of disparate data |
US8694490B2 (en) * | 2011-01-28 | 2014-04-08 | Bitvore Corporation | Method and apparatus for collection, display and analysis of disparate data |
US20120209644A1 (en) * | 2011-02-16 | 2012-08-16 | Mccahon Cynthia | Computer-implemented system and method for facilitating creation of business plans and reports |
GB2488373A (en) * | 2011-02-28 | 2012-08-29 | Hsbc Holdings Plc | Database ranks results based on reputational scores |
US9177060B1 (en) * | 2011-03-18 | 2015-11-03 | Michele Bennett | Method, system and apparatus for identifying and parsing social media information for providing business intelligence |
US10445677B2 (en) * | 2011-03-28 | 2019-10-15 | International Business Machines Corporation | System and method for integrating text analytics driven social metrics into business architecture |
EP2523149B1 (en) * | 2011-05-11 | 2023-01-11 | Tata Consultancy Services Ltd. | A method and system for association and decision fusion of multimodal inputs |
US8630884B2 (en) * | 2011-06-06 | 2014-01-14 | Bizequity Llc | Engine, system and method of providing cloud-based business valuation and associated services |
US20160110672A1 (en) * | 2011-10-14 | 2016-04-21 | Bizequity Llc | Engine, system and method of providing comparative business valuation |
US20130013379A1 (en) * | 2011-06-09 | 2013-01-10 | Carter Michael M | Engine, system and method of providing cloud-based business valuation and associated services |
US8799240B2 (en) | 2011-06-23 | 2014-08-05 | Palantir Technologies, Inc. | System and method for investigating large amounts of data |
US9092482B2 (en) | 2013-03-14 | 2015-07-28 | Palantir Technologies, Inc. | Fair scheduling for mixed-query loads |
US9547693B1 (en) | 2011-06-23 | 2017-01-17 | Palantir Technologies Inc. | Periodic database search manager for multiple data sources |
US20130006682A1 (en) * | 2011-07-01 | 2013-01-03 | Opal Labs Inc. | Real-time quantitative and qualitative measurement of organizational culture |
US8732574B2 (en) | 2011-08-25 | 2014-05-20 | Palantir Technologies, Inc. | System and method for parameterizing documents for automatic workflow generation |
US8291016B1 (en) | 2011-08-30 | 2012-10-16 | Moontoast, LLC | System and method of social commerce analytics for social networking data and related transactional data |
US8504542B2 (en) | 2011-09-02 | 2013-08-06 | Palantir Technologies, Inc. | Multi-row transactions |
KR101136696B1 (ko) * | 2011-12-02 | 2012-04-20 | 김상정 | 기업성장단계를 표시하고, 이를 이용하여 주식의 저평가/고평가를 산출하는 주식정보 제공 방법 및 시스템 |
WO2013086399A1 (en) * | 2011-12-09 | 2013-06-13 | Globoforce Limited | Systems and method for analyzing recognition data for talent and culture discovery |
US8930339B2 (en) * | 2012-01-03 | 2015-01-06 | Microsoft Corporation | Search engine performance evaluation using a task-based assessment metric |
RU2639673C2 (ru) * | 2012-03-02 | 2017-12-21 | Трэк180, Инк. | Интерактивный сравнительный информационный дисплей |
WO2013144980A2 (en) * | 2012-03-29 | 2013-10-03 | Mu Sigma Business Solutions Pvt Ltd. | Data solutions system |
US20130290200A1 (en) * | 2012-04-29 | 2013-10-31 | Monaeo, Llc. | Systems and methods of compliance tracking |
US11016976B1 (en) | 2012-04-29 | 2021-05-25 | Topia Limited | Database file management and data structures for creating and/or modifying a database management system to reduce storage requirements |
US20130304547A1 (en) * | 2012-05-08 | 2013-11-14 | Salesforce.Com, Inc. | Investment valuation projections in an on-demand system |
US9348677B2 (en) | 2012-10-22 | 2016-05-24 | Palantir Technologies Inc. | System and method for batch evaluation programs |
US9817556B2 (en) | 2012-12-26 | 2017-11-14 | Roovy, Inc. | Federated commenting for digital content |
US9246853B1 (en) * | 2013-01-22 | 2016-01-26 | Amdocs Software Systems Limited | System, method, and computer program for determining a profile for an external network user |
US9123086B1 (en) | 2013-01-31 | 2015-09-01 | Palantir Technologies, Inc. | Automatically generating event objects from images |
US10140664B2 (en) | 2013-03-14 | 2018-11-27 | Palantir Technologies Inc. | Resolving similar entities from a transaction database |
US10037314B2 (en) | 2013-03-14 | 2018-07-31 | Palantir Technologies, Inc. | Mobile reports |
US8868486B2 (en) | 2013-03-15 | 2014-10-21 | Palantir Technologies Inc. | Time-sensitive cube |
US8917274B2 (en) | 2013-03-15 | 2014-12-23 | Palantir Technologies Inc. | Event matrix based on integrated data |
US8937619B2 (en) | 2013-03-15 | 2015-01-20 | Palantir Technologies Inc. | Generating an object time series from data objects |
US10290058B2 (en) * | 2013-03-15 | 2019-05-14 | Thomson Reuters (Grc) Llc | System and method for determining and utilizing successful observed performance |
US8909656B2 (en) | 2013-03-15 | 2014-12-09 | Palantir Technologies Inc. | Filter chains with associated multipath views for exploring large data sets |
US9965937B2 (en) | 2013-03-15 | 2018-05-08 | Palantir Technologies Inc. | External malware data item clustering and analysis |
US10275778B1 (en) | 2013-03-15 | 2019-04-30 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive investigation based on automatic malfeasance clustering of related data in various data structures |
US8924388B2 (en) | 2013-03-15 | 2014-12-30 | Palantir Technologies Inc. | Computer-implemented systems and methods for comparing and associating objects |
US8788405B1 (en) | 2013-03-15 | 2014-07-22 | Palantir Technologies, Inc. | Generating data clusters with customizable analysis strategies |
SG11201402420VA (en) * | 2013-05-02 | 2015-02-27 | Dun & Bradstreet Corp | A system and method using multi-dimensional rating to determine an entity's future commercial viability |
US8799799B1 (en) | 2013-05-07 | 2014-08-05 | Palantir Technologies Inc. | Interactive geospatial map |
US9335897B2 (en) | 2013-08-08 | 2016-05-10 | Palantir Technologies Inc. | Long click display of a context menu |
US9223773B2 (en) | 2013-08-08 | 2015-12-29 | Palatir Technologies Inc. | Template system for custom document generation |
US8713467B1 (en) | 2013-08-09 | 2014-04-29 | Palantir Technologies, Inc. | Context-sensitive views |
US9785317B2 (en) | 2013-09-24 | 2017-10-10 | Palantir Technologies Inc. | Presentation and analysis of user interaction data |
US8938686B1 (en) | 2013-10-03 | 2015-01-20 | Palantir Technologies Inc. | Systems and methods for analyzing performance of an entity |
US8812960B1 (en) | 2013-10-07 | 2014-08-19 | Palantir Technologies Inc. | Cohort-based presentation of user interaction data |
US9116975B2 (en) | 2013-10-18 | 2015-08-25 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive simultaneous querying of multiple data stores |
US8924872B1 (en) | 2013-10-18 | 2014-12-30 | Palantir Technologies Inc. | Overview user interface of emergency call data of a law enforcement agency |
US9021384B1 (en) | 2013-11-04 | 2015-04-28 | Palantir Technologies Inc. | Interactive vehicle information map |
US8868537B1 (en) | 2013-11-11 | 2014-10-21 | Palantir Technologies, Inc. | Simple web search |
US9667732B2 (en) * | 2013-11-19 | 2017-05-30 | ShareRocket, Inc. | Systems and methods for the assessment of social media performance |
US9105000B1 (en) | 2013-12-10 | 2015-08-11 | Palantir Technologies Inc. | Aggregating data from a plurality of data sources |
US10025834B2 (en) * | 2013-12-16 | 2018-07-17 | Palantir Technologies Inc. | Methods and systems for analyzing entity performance |
US10579647B1 (en) | 2013-12-16 | 2020-03-03 | Palantir Technologies Inc. | Methods and systems for analyzing entity performance |
US9552615B2 (en) | 2013-12-20 | 2017-01-24 | Palantir Technologies Inc. | Automated database analysis to detect malfeasance |
US10356032B2 (en) | 2013-12-26 | 2019-07-16 | Palantir Technologies Inc. | System and method for detecting confidential information emails |
CN109104224A (zh) * | 2013-12-30 | 2018-12-28 | 华为技术有限公司 | 一种信号发送方法及装置 |
US8832832B1 (en) | 2014-01-03 | 2014-09-09 | Palantir Technologies Inc. | IP reputation |
US9043696B1 (en) | 2014-01-03 | 2015-05-26 | Palantir Technologies Inc. | Systems and methods for visual definition of data associations |
US9483162B2 (en) | 2014-02-20 | 2016-11-01 | Palantir Technologies Inc. | Relationship visualizations |
US9009827B1 (en) | 2014-02-20 | 2015-04-14 | Palantir Technologies Inc. | Security sharing system |
US9727376B1 (en) | 2014-03-04 | 2017-08-08 | Palantir Technologies, Inc. | Mobile tasks |
US8935201B1 (en) | 2014-03-18 | 2015-01-13 | Palantir Technologies Inc. | Determining and extracting changed data from a data source |
US9836580B2 (en) | 2014-03-21 | 2017-12-05 | Palantir Technologies Inc. | Provider portal |
US9857958B2 (en) | 2014-04-28 | 2018-01-02 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive access of, investigation of, and analysis of data objects stored in one or more databases |
USD776140S1 (en) | 2014-04-30 | 2017-01-10 | Yahoo! Inc. | Display screen with graphical user interface for displaying search results as a stack of overlapping, actionable cards |
US9830388B2 (en) * | 2014-04-30 | 2017-11-28 | Excalibur Ip, Llc | Modular search object framework |
US9009171B1 (en) | 2014-05-02 | 2015-04-14 | Palantir Technologies Inc. | Systems and methods for active column filtering |
KR20150126196A (ko) * | 2014-05-02 | 2015-11-11 | 삼성전자주식회사 | 사용자 감성 활동 기반 데이터 처리 장치 및 방법 |
US9535974B1 (en) | 2014-06-30 | 2017-01-03 | Palantir Technologies Inc. | Systems and methods for identifying key phrase clusters within documents |
US9619557B2 (en) | 2014-06-30 | 2017-04-11 | Palantir Technologies, Inc. | Systems and methods for key phrase characterization of documents |
US9202249B1 (en) | 2014-07-03 | 2015-12-01 | Palantir Technologies Inc. | Data item clustering and analysis |
US9256664B2 (en) | 2014-07-03 | 2016-02-09 | Palantir Technologies Inc. | System and method for news events detection and visualization |
US9785773B2 (en) | 2014-07-03 | 2017-10-10 | Palantir Technologies Inc. | Malware data item analysis |
US10572496B1 (en) | 2014-07-03 | 2020-02-25 | Palantir Technologies Inc. | Distributed workflow system and database with access controls for city resiliency |
US20160026923A1 (en) | 2014-07-22 | 2016-01-28 | Palantir Technologies Inc. | System and method for determining a propensity of entity to take a specified action |
WO2016025920A1 (en) * | 2014-08-15 | 2016-02-18 | Clarence Wooten | Collecting, aggregating, analyzing and reporting traction data on internet-connected applications |
US20160063521A1 (en) * | 2014-08-29 | 2016-03-03 | Accenture Global Services Limited | Channel partner analytics |
US9454281B2 (en) | 2014-09-03 | 2016-09-27 | Palantir Technologies Inc. | System for providing dynamic linked panels in user interface |
US9390086B2 (en) | 2014-09-11 | 2016-07-12 | Palantir Technologies Inc. | Classification system with methodology for efficient verification |
US9767172B2 (en) | 2014-10-03 | 2017-09-19 | Palantir Technologies Inc. | Data aggregation and analysis system |
US9501851B2 (en) | 2014-10-03 | 2016-11-22 | Palantir Technologies Inc. | Time-series analysis system |
US9785328B2 (en) | 2014-10-06 | 2017-10-10 | Palantir Technologies Inc. | Presentation of multivariate data on a graphical user interface of a computing system |
US9984133B2 (en) | 2014-10-16 | 2018-05-29 | Palantir Technologies Inc. | Schematic and database linking system |
US9229952B1 (en) | 2014-11-05 | 2016-01-05 | Palantir Technologies, Inc. | History preserving data pipeline system and method |
US9043894B1 (en) | 2014-11-06 | 2015-05-26 | Palantir Technologies Inc. | Malicious software detection in a computing system |
US9483546B2 (en) | 2014-12-15 | 2016-11-01 | Palantir Technologies Inc. | System and method for associating related records to common entities across multiple lists |
US10552994B2 (en) | 2014-12-22 | 2020-02-04 | Palantir Technologies Inc. | Systems and interactive user interfaces for dynamic retrieval, analysis, and triage of data items |
US9348920B1 (en) | 2014-12-22 | 2016-05-24 | Palantir Technologies Inc. | Concept indexing among database of documents using machine learning techniques |
US10362133B1 (en) | 2014-12-22 | 2019-07-23 | Palantir Technologies Inc. | Communication data processing architecture |
US9367872B1 (en) | 2014-12-22 | 2016-06-14 | Palantir Technologies Inc. | Systems and user interfaces for dynamic and interactive investigation of bad actor behavior based on automatic clustering of related data in various data structures |
US9817563B1 (en) | 2014-12-29 | 2017-11-14 | Palantir Technologies Inc. | System and method of generating data points from one or more data stores of data items for chart creation and manipulation |
US9335911B1 (en) * | 2014-12-29 | 2016-05-10 | Palantir Technologies Inc. | Interactive user interface for dynamic data analysis exploration and query processing |
US9870205B1 (en) | 2014-12-29 | 2018-01-16 | Palantir Technologies Inc. | Storing logical units of program code generated using a dynamic programming notebook user interface |
US10372879B2 (en) | 2014-12-31 | 2019-08-06 | Palantir Technologies Inc. | Medical claims lead summary report generation |
US11302426B1 (en) | 2015-01-02 | 2022-04-12 | Palantir Technologies Inc. | Unified data interface and system |
US10387834B2 (en) | 2015-01-21 | 2019-08-20 | Palantir Technologies Inc. | Systems and methods for accessing and storing snapshots of a remote application in a document |
US9727560B2 (en) | 2015-02-25 | 2017-08-08 | Palantir Technologies Inc. | Systems and methods for organizing and identifying documents via hierarchies and dimensions of tags |
EP3611632A1 (en) | 2015-03-16 | 2020-02-19 | Palantir Technologies Inc. | Displaying attribute and event data along paths |
US9886467B2 (en) | 2015-03-19 | 2018-02-06 | Plantir Technologies Inc. | System and method for comparing and visualizing data entities and data entity series |
US9984330B2 (en) | 2015-04-10 | 2018-05-29 | Microsoft Technology Licensing, Llc. | Predictive trending of digital entities |
US10103953B1 (en) | 2015-05-12 | 2018-10-16 | Palantir Technologies Inc. | Methods and systems for analyzing entity performance |
US10460399B1 (en) * | 2015-06-05 | 2019-10-29 | Wells Fargo Bank, N.A. | Social media assesment tool |
US10346488B1 (en) * | 2015-06-10 | 2019-07-09 | SOCI, Inc. | Filtering and scoring of web content |
US10628834B1 (en) | 2015-06-16 | 2020-04-21 | Palantir Technologies Inc. | Fraud lead detection system for efficiently processing database-stored data and automatically generating natural language explanatory information of system results for display in interactive user interfaces |
US9418337B1 (en) | 2015-07-21 | 2016-08-16 | Palantir Technologies Inc. | Systems and models for data analytics |
US9392008B1 (en) | 2015-07-23 | 2016-07-12 | Palantir Technologies Inc. | Systems and methods for identifying information related to payment card breaches |
US9454785B1 (en) | 2015-07-30 | 2016-09-27 | Palantir Technologies Inc. | Systems and user interfaces for holistic, data-driven investigation of bad actor behavior based on clustering and scoring of related data |
US9996595B2 (en) | 2015-08-03 | 2018-06-12 | Palantir Technologies, Inc. | Providing full data provenance visualization for versioned datasets |
US9456000B1 (en) | 2015-08-06 | 2016-09-27 | Palantir Technologies Inc. | Systems, methods, user interfaces, and computer-readable media for investigating potential malicious communications |
US10489391B1 (en) | 2015-08-17 | 2019-11-26 | Palantir Technologies Inc. | Systems and methods for grouping and enriching data items accessed from one or more databases for presentation in a user interface |
US9600146B2 (en) | 2015-08-17 | 2017-03-21 | Palantir Technologies Inc. | Interactive geospatial map |
US10102369B2 (en) | 2015-08-19 | 2018-10-16 | Palantir Technologies Inc. | Checkout system executable code monitoring, and user account compromise determination system |
US9671776B1 (en) | 2015-08-20 | 2017-06-06 | Palantir Technologies Inc. | Quantifying, tracking, and anticipating risk at a manufacturing facility, taking deviation type and staffing conditions into account |
US10853378B1 (en) | 2015-08-25 | 2020-12-01 | Palantir Technologies Inc. | Electronic note management via a connected entity graph |
US11150917B2 (en) | 2015-08-26 | 2021-10-19 | Palantir Technologies Inc. | System for data aggregation and analysis of data from a plurality of data sources |
US9485265B1 (en) | 2015-08-28 | 2016-11-01 | Palantir Technologies Inc. | Malicious activity detection system capable of efficiently processing data accessed from databases and generating alerts for display in interactive user interfaces |
US10706434B1 (en) | 2015-09-01 | 2020-07-07 | Palantir Technologies Inc. | Methods and systems for determining location information |
US9639580B1 (en) | 2015-09-04 | 2017-05-02 | Palantir Technologies, Inc. | Computer-implemented systems and methods for data management and visualization |
US9984428B2 (en) | 2015-09-04 | 2018-05-29 | Palantir Technologies Inc. | Systems and methods for structuring data from unstructured electronic data files |
US9576015B1 (en) | 2015-09-09 | 2017-02-21 | Palantir Technologies, Inc. | Domain-specific language for dataset transformations |
US10296617B1 (en) | 2015-10-05 | 2019-05-21 | Palantir Technologies Inc. | Searches of highly structured data |
US9424669B1 (en) | 2015-10-21 | 2016-08-23 | Palantir Technologies Inc. | Generating graphical representations of event participation flow |
US10613722B1 (en) | 2015-10-27 | 2020-04-07 | Palantir Technologies Inc. | Distorting a graph on a computer display to improve the computer's ability to display the graph to, and interact with, a user |
US10223429B2 (en) | 2015-12-01 | 2019-03-05 | Palantir Technologies Inc. | Entity data attribution using disparate data sets |
US10706056B1 (en) | 2015-12-02 | 2020-07-07 | Palantir Technologies Inc. | Audit log report generator |
US9760556B1 (en) | 2015-12-11 | 2017-09-12 | Palantir Technologies Inc. | Systems and methods for annotating and linking electronic documents |
US9514414B1 (en) | 2015-12-11 | 2016-12-06 | Palantir Technologies Inc. | Systems and methods for identifying and categorizing electronic documents through machine learning |
US10114884B1 (en) | 2015-12-16 | 2018-10-30 | Palantir Technologies Inc. | Systems and methods for attribute analysis of one or more databases |
US9542446B1 (en) | 2015-12-17 | 2017-01-10 | Palantir Technologies, Inc. | Automatic generation of composite datasets based on hierarchical fields |
US10373099B1 (en) | 2015-12-18 | 2019-08-06 | Palantir Technologies Inc. | Misalignment detection system for efficiently processing database-stored data and automatically generating misalignment information for display in interactive user interfaces |
US10733678B2 (en) * | 2015-12-28 | 2020-08-04 | Facebook, Inc. | Systems and methods for predicting page activity to optimize page recommendations |
US10268735B1 (en) | 2015-12-29 | 2019-04-23 | Palantir Technologies Inc. | Graph based resolution of matching items in data sources |
US9823818B1 (en) | 2015-12-29 | 2017-11-21 | Palantir Technologies Inc. | Systems and interactive user interfaces for automatic generation of temporal representation of data objects |
US10871878B1 (en) | 2015-12-29 | 2020-12-22 | Palantir Technologies Inc. | System log analysis and object user interaction correlation system |
US10089289B2 (en) | 2015-12-29 | 2018-10-02 | Palantir Technologies Inc. | Real-time document annotation |
US9612723B1 (en) | 2015-12-30 | 2017-04-04 | Palantir Technologies Inc. | Composite graphical interface with shareable data-objects |
US9792020B1 (en) | 2015-12-30 | 2017-10-17 | Palantir Technologies Inc. | Systems for collecting, aggregating, and storing data, generating interactive user interfaces for analyzing data, and generating alerts based upon collected data |
US20170262809A1 (en) * | 2016-03-14 | 2017-09-14 | PreSeries Tech, SL | Machine learning applications for dynamic, quantitative assessment of human resources |
US10698938B2 (en) | 2016-03-18 | 2020-06-30 | Palantir Technologies Inc. | Systems and methods for organizing and identifying documents via hierarchies and dimensions of tags |
US10650558B2 (en) | 2016-04-04 | 2020-05-12 | Palantir Technologies Inc. | Techniques for displaying stack graphs |
US9652139B1 (en) | 2016-04-06 | 2017-05-16 | Palantir Technologies Inc. | Graphical representation of an output |
US10068199B1 (en) | 2016-05-13 | 2018-09-04 | Palantir Technologies Inc. | System to catalogue tracking data |
US10007674B2 (en) | 2016-06-13 | 2018-06-26 | Palantir Technologies Inc. | Data revision control in large-scale data analytic systems |
US10545975B1 (en) | 2016-06-22 | 2020-01-28 | Palantir Technologies Inc. | Visual analysis of data using sequenced dataset reduction |
US10909130B1 (en) | 2016-07-01 | 2021-02-02 | Palantir Technologies Inc. | Graphical user interface for a database system |
US10324609B2 (en) | 2016-07-21 | 2019-06-18 | Palantir Technologies Inc. | System for providing dynamic linked panels in user interface |
US10719188B2 (en) | 2016-07-21 | 2020-07-21 | Palantir Technologies Inc. | Cached database and synchronization system for providing dynamic linked panels in user interface |
US20180027494A1 (en) * | 2016-07-25 | 2018-01-25 | Intel IP Corporation | Apparatus, system and method of neighbor awareness networking (nan) data link (ndl) power save |
US10437840B1 (en) | 2016-08-19 | 2019-10-08 | Palantir Technologies Inc. | Focused probabilistic entity resolution from multiple data sources |
USD842309S1 (en) * | 2016-08-22 | 2019-03-05 | Quid, Inc. | Display screen with graphical user interface for a visualization of a graph data structure |
US9881066B1 (en) | 2016-08-31 | 2018-01-30 | Palantir Technologies, Inc. | Systems, methods, user interfaces and algorithms for performing database analysis and search of information involving structured and/or semi-structured data |
US10831743B2 (en) | 2016-09-02 | 2020-11-10 | PFFA Acquisition LLC | Database and system architecture for analyzing multiparty interactions |
US10552002B1 (en) | 2016-09-27 | 2020-02-04 | Palantir Technologies Inc. | User interface based variable machine modeling |
US20180114171A1 (en) * | 2016-10-24 | 2018-04-26 | AINGEL Corp. | Apparatus and method for predicting expected success rate for a business entity using a machine learning module |
US10530666B2 (en) | 2016-10-28 | 2020-01-07 | Carrier Corporation | Method and system for managing performance indicators for addressing goals of enterprise facility operations management |
US10600029B2 (en) * | 2016-10-31 | 2020-03-24 | Microsoft Technology Licensing, Llc | Graphical user interfaces with criteria based entity ranking |
US10726507B1 (en) | 2016-11-11 | 2020-07-28 | Palantir Technologies Inc. | Graphical representation of a complex task |
US9842338B1 (en) | 2016-11-21 | 2017-12-12 | Palantir Technologies Inc. | System to identify vulnerable card readers |
US10318630B1 (en) | 2016-11-21 | 2019-06-11 | Palantir Technologies Inc. | Analysis of large bodies of textual data |
US11250425B1 (en) | 2016-11-30 | 2022-02-15 | Palantir Technologies Inc. | Generating a statistic using electronic transaction data |
US9886525B1 (en) | 2016-12-16 | 2018-02-06 | Palantir Technologies Inc. | Data item aggregate probability analysis system |
GB201621434D0 (en) | 2016-12-16 | 2017-02-01 | Palantir Technologies Inc | Processing sensor logs |
US10249033B1 (en) | 2016-12-20 | 2019-04-02 | Palantir Technologies Inc. | User interface for managing defects |
US10728262B1 (en) | 2016-12-21 | 2020-07-28 | Palantir Technologies Inc. | Context-aware network-based malicious activity warning systems |
US11373752B2 (en) | 2016-12-22 | 2022-06-28 | Palantir Technologies Inc. | Detection of misuse of a benefit system |
US10360238B1 (en) | 2016-12-22 | 2019-07-23 | Palantir Technologies Inc. | Database systems and user interfaces for interactive data association, analysis, and presentation |
US10552436B2 (en) | 2016-12-28 | 2020-02-04 | Palantir Technologies Inc. | Systems and methods for retrieving and processing data for display |
US10721262B2 (en) | 2016-12-28 | 2020-07-21 | Palantir Technologies Inc. | Resource-centric network cyber attack warning system |
US10460602B1 (en) | 2016-12-28 | 2019-10-29 | Palantir Technologies Inc. | Interactive vehicle information mapping system |
US10762471B1 (en) | 2017-01-09 | 2020-09-01 | Palantir Technologies Inc. | Automating management of integrated workflows based on disparate subsidiary data sources |
US10133621B1 (en) | 2017-01-18 | 2018-11-20 | Palantir Technologies Inc. | Data analysis system to facilitate investigative process |
US10509844B1 (en) | 2017-01-19 | 2019-12-17 | Palantir Technologies Inc. | Network graph parser |
US10515109B2 (en) | 2017-02-15 | 2019-12-24 | Palantir Technologies Inc. | Real-time auditing of industrial equipment condition |
US10866936B1 (en) | 2017-03-29 | 2020-12-15 | Palantir Technologies Inc. | Model object management and storage system |
US10581954B2 (en) | 2017-03-29 | 2020-03-03 | Palantir Technologies Inc. | Metric collection and aggregation for distributed software services |
US10475219B1 (en) | 2017-03-30 | 2019-11-12 | Palantir Technologies Inc. | Multidimensional arc chart for visual comparison |
GB2561177B (en) * | 2017-04-03 | 2021-06-30 | Cyan Forensics Ltd | Method for identification of digital content |
US10133783B2 (en) | 2017-04-11 | 2018-11-20 | Palantir Technologies Inc. | Systems and methods for constraint driven database searching |
US10563990B1 (en) | 2017-05-09 | 2020-02-18 | Palantir Technologies Inc. | Event-based route planning |
US10606872B1 (en) | 2017-05-22 | 2020-03-31 | Palantir Technologies Inc. | Graphical user interface for a database system |
US10795749B1 (en) | 2017-05-31 | 2020-10-06 | Palantir Technologies Inc. | Systems and methods for providing fault analysis user interface |
US10956406B2 (en) | 2017-06-12 | 2021-03-23 | Palantir Technologies Inc. | Propagated deletion of database records and derived data |
US11216762B1 (en) | 2017-07-13 | 2022-01-04 | Palantir Technologies Inc. | Automated risk visualization using customer-centric data analysis |
US10403011B1 (en) | 2017-07-18 | 2019-09-03 | Palantir Technologies Inc. | Passing system with an interactive user interface |
US10430444B1 (en) | 2017-07-24 | 2019-10-01 | Palantir Technologies Inc. | Interactive geospatial map and geospatial visualization systems |
US11494721B1 (en) | 2017-08-28 | 2022-11-08 | Thomas Lah | Artificial intelligence system for electronically monitoring and analyzing data transmitted through multiple electronic channels to suggest actions for increasing the effectiveness of data transmitted through the channels |
KR102037480B1 (ko) * | 2017-11-29 | 2019-10-29 | 주식회사 디지털존 | 기업정보 분석을 통한 성공 예측 분석 시스템 |
US11314721B1 (en) | 2017-12-07 | 2022-04-26 | Palantir Technologies Inc. | User-interactive defect analysis for root cause |
US10877984B1 (en) | 2017-12-07 | 2020-12-29 | Palantir Technologies Inc. | Systems and methods for filtering and visualizing large scale datasets |
US10769171B1 (en) | 2017-12-07 | 2020-09-08 | Palantir Technologies Inc. | Relationship analysis and mapping for interrelated multi-layered datasets |
US10929476B2 (en) | 2017-12-14 | 2021-02-23 | Palantir Technologies Inc. | Systems and methods for visualizing and analyzing multi-dimensional data |
US11263382B1 (en) | 2017-12-22 | 2022-03-01 | Palantir Technologies Inc. | Data normalization and irregularity detection system |
WO2019136628A1 (zh) * | 2018-01-11 | 2019-07-18 | 葛一珲 | 用于辅助企业上市的方法、装置和*** |
WO2019164809A2 (en) * | 2018-02-20 | 2019-08-29 | Walmart Apollo, Llc | System and method for the acquisition and visualization of global compliance data |
US11599369B1 (en) | 2018-03-08 | 2023-03-07 | Palantir Technologies Inc. | Graphical user interface configuration system |
US10877654B1 (en) | 2018-04-03 | 2020-12-29 | Palantir Technologies Inc. | Graphical user interfaces for optimizations |
US10754822B1 (en) | 2018-04-18 | 2020-08-25 | Palantir Technologies Inc. | Systems and methods for ontology migration |
US10885021B1 (en) | 2018-05-02 | 2021-01-05 | Palantir Technologies Inc. | Interactive interpreter and graphical user interface |
US10754946B1 (en) | 2018-05-08 | 2020-08-25 | Palantir Technologies Inc. | Systems and methods for implementing a machine learning approach to modeling entity behavior |
US11119630B1 (en) | 2018-06-19 | 2021-09-14 | Palantir Technologies Inc. | Artificial intelligence assisted evaluations and user interface for same |
US11531762B2 (en) | 2018-08-10 | 2022-12-20 | Jpmorgan Chase Bank, N.A. | Method and apparatus for management of vulnerability disclosures |
US11126638B1 (en) | 2018-09-13 | 2021-09-21 | Palantir Technologies Inc. | Data visualization and parsing system |
US11294928B1 (en) | 2018-10-12 | 2022-04-05 | Palantir Technologies Inc. | System architecture for relating and linking data objects |
WO2020150597A1 (en) * | 2019-01-18 | 2020-07-23 | Salloum Samuel | Systems and methods for entity performance and risk scoring |
US20200387802A1 (en) * | 2019-06-08 | 2020-12-10 | Trustarc Inc | Dynamically adaptable rules and communication system for managing process controls |
US20230186113A1 (en) * | 2020-03-03 | 2023-06-15 | Korea Advanced Institute Of Science And Technology | Machine learning-based future innovation prediction method and system therefor |
WO2022045874A1 (en) * | 2020-08-26 | 2022-03-03 | Mimos Berhad | A system and method to generate statistical and analytical report |
US20220164679A1 (en) * | 2020-11-20 | 2022-05-26 | Salesforce.Com, Inc. | Multi-hop search for entity relationships |
US20220198293A1 (en) * | 2020-12-22 | 2022-06-23 | Mursion, Inc | Systems and methods for evaluation of interpersonal interactions to predict real world performance |
KR102594653B1 (ko) * | 2021-02-08 | 2023-10-26 | 주식회사 타임리 | 기업과 투자자를 매칭하는 시스템 및 방법 |
WO2022246322A1 (en) * | 2021-05-21 | 2022-11-24 | Vérité Systems, LLC | Assessing entity performance using machine learning |
US11995140B2 (en) * | 2021-09-20 | 2024-05-28 | Salesforce, Inc. | Pattern detection for tenant-specific performance data |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7167910B2 (en) * | 2002-02-20 | 2007-01-23 | Microsoft Corporation | Social mapping of contacts from computer communication information |
US20040243588A1 (en) * | 2003-05-29 | 2004-12-02 | Thomas Tanner | Systems and methods for administering a global information database |
US20050096950A1 (en) * | 2003-10-29 | 2005-05-05 | Caplan Scott M. | Method and apparatus for creating and evaluating strategies |
-
2009
- 2009-08-04 EP EP20090805461 patent/EP2329357A4/en not_active Withdrawn
- 2009-08-04 BR BRPI0917246A patent/BRPI0917246A2/pt not_active Application Discontinuation
- 2009-08-04 CN CN2009801357422A patent/CN102150129A/zh active Pending
- 2009-08-04 JP JP2011522190A patent/JP2011530138A/ja active Pending
- 2009-08-04 US US12/535,579 patent/US8554709B2/en active Active
- 2009-08-04 WO PCT/US2009/052747 patent/WO2010017229A1/en active Application Filing
- 2009-08-04 KR KR20117005137A patent/KR20110056502A/ko not_active Application Discontinuation
-
2013
- 2013-09-24 US US14/035,946 patent/US20140025442A1/en not_active Abandoned
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706185A (zh) * | 2011-11-30 | 2021-11-26 | 金融及风险组织有限公司 | 基于新闻和情绪分析来预测市场行为的方法和*** |
CN104704490A (zh) * | 2012-08-01 | 2015-06-10 | 诺夫尔公司 | 处理关于互联网网站平台连接的数据的方法 |
CN104704490B (zh) * | 2012-08-01 | 2020-01-14 | 诺夫尔公司 | 处理互联网网站平台连接数据的方法 |
CN103714114A (zh) * | 2012-10-05 | 2014-04-09 | 成功要素股份有限公司 | 自然语言度量条件警告编排 |
CN104376406A (zh) * | 2014-11-05 | 2015-02-25 | 上海计算机软件技术开发中心 | 一种基于大数据的企业创新资源管理与分析***和方法 |
CN104376406B (zh) * | 2014-11-05 | 2019-04-16 | 上海计算机软件技术开发中心 | 一种基于大数据的企业创新资源管理与分析方法 |
CN106940723A (zh) * | 2017-03-16 | 2017-07-11 | 北京搜狐新媒体信息技术有限公司 | 一种新闻搜索方法及装置 |
CN110770768A (zh) * | 2017-11-07 | 2020-02-07 | 江山 | 生成绩效排名数据集的计算机实现的方法、***、计算机程序和数据载体 |
Also Published As
Publication number | Publication date |
---|---|
EP2329357A1 (en) | 2011-06-08 |
US20100030722A1 (en) | 2010-02-04 |
US20140025442A1 (en) | 2014-01-23 |
US8554709B2 (en) | 2013-10-08 |
EP2329357A4 (en) | 2013-09-25 |
WO2010017229A1 (en) | 2010-02-11 |
BRPI0917246A2 (pt) | 2015-11-10 |
JP2011530138A (ja) | 2011-12-15 |
KR20110056502A (ko) | 2011-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102150129A (zh) | 实体业绩分析引擎 | |
Shao et al. | IoT data visualization for business intelligence in corporate finance | |
Bücker et al. | Transparency, auditability, and explainability of machine learning models in credit scoring | |
Hand | Statistical challenges of administrative and transaction data | |
Leydesdorff et al. | Professional and citizen bibliometrics: complementarities and ambivalences in the development and use of indicators—a state-of-the-art report | |
George et al. | Big data and data science methods for management research | |
Chung | BizPro: Extracting and categorizing business intelligence factors from textual news articles | |
Brown-Liburd et al. | Behavioral implications of Big Data's impact on audit judgment and decision making and future research directions | |
Das et al. | Yahoo! for Amazon: Sentiment extraction from small talk on the web | |
Azen et al. | Comparing predictors in multivariate regression models: An extension of dominance analysis | |
CN104995650B (zh) | 用于使用源于社交媒体的数据和情绪分析来生成复合索引的方法及*** | |
Giabelli et al. | Skills2Job: A recommender system that encodes job offer embeddings on graph databases | |
Munappy et al. | Data management for production quality deep learning models: Challenges and solutions | |
Moaniba et al. | Knowledge recombination and technological innovation: The important role of cross-disciplinary knowledge | |
WO2021163521A1 (en) | Information platform systems and methods | |
CN104137128A (zh) | 用于使用源于社交媒体的数据和情绪分析来生成企业绿色分数的方法及*** | |
Pineiro-Chousa et al. | Inclusions in and exclusions from the S&P 500 environmental and socially responsible index: A fuzzy-set qualitative comparative analysis | |
Tavazoee et al. | Recurrent random forest for the assessment of popularity in social media: 2016 US election as a case study | |
Beck et al. | Machine learning in official statistics | |
Nilashi et al. | The nexus between quality of customer relationship management systems and customers' satisfaction: Evidence from online customers’ reviews | |
Roy et al. | Determinants of corporate environmental disclosure from an Asian perspective | |
Monfared et al. | Using business intelligence capabilities to improve the quality of decision-making: a case study of Mellat bank | |
Harrison et al. | Using supervised machine learning to scale human‐coded data: A method and dataset in the board leadership context | |
Leitgöb et al. | Big data and machine learning in sociology | |
Odendaal et al. | Media‐Based Sentiment Indices as an Alternative Measure of Consumer Confidence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110810 |